046、YOLOv11训练调度——Warmup+余弦退火学习率调度对收敛加速的实战调参与涨点验证

046、YOLOv11训练调度——Warmup+余弦退火学习率调度对收敛加速的实战调参与涨点验证

上个月调一个工业缺陷检测项目，模型在300轮训练后loss死活下不去，mAP卡在78.3%晃悠。换了骨干、调了数据增强，效果都有限。后来翻训练日志，发现学习率曲线像心电图一样乱跳——前50轮震荡剧烈，后面又衰减得太快。这才意识到，训练调度这个“软参数”才是瓶颈。

YOLOv11默认的调度策略其实挺糙的，固定步长衰减加上一个简单的线性warmup。对于小数据集或者特定任务，这种一刀切的方式往往不是最优解。今天聊聊Warmup+余弦退火这套组合拳，怎么调参才能让模型收敛更快、涨点更稳。

为什么YOLOv11默认调度不够用

YOLOv11的默认配置里，学习率调度用的是ReduceLROnPlateau的变体，配合一个前3轮的线性warmup。这个设计的出发点是好的——前期用小学习率稳定梯度，后期根据loss下降情况动态调整。

但实际跑起来问题很明显。第一，线性warmup太短，对于大batch size训练（比如64以上），前3轮模型权重还在剧烈变化，突然跳到初始学习率0.01，loss直接起飞。第二，ReduceLROnPlateau的衰减时机取决于loss plateau的检测，这个阈值很难调——设小了频繁衰减，设大了等于没衰减。

我踩过的坑：有一次训练到150轮，学习率已经衰减到初始值的1/10，但loss还在缓慢下降，这时候模型其实还能继续学，但调度器已经“躺平”了。换余弦退火后，同样的epoch数，mAP涨了1